4、边缘人工智能：现实世界中的应用与潜力

边缘人工智能：现实世界中的应用与潜力

1. 边缘人工智能的背景与现状

当前，大多数人工智能研究仍聚焦于在大型数据集上构建大型模型。这带来了两方面影响：
- 开发工具的使用 ：我们常借助数据科学和机器学习领域现有的开发工具。好处是能利用丰富且经实践验证的库和框架生态系统，但这些工具很少将边缘计算所需的关键因素（如小模型尺寸、计算效率和小数据集训练能力）列为优先考虑项，往往需要额外工作来聚焦这些方面。
- 快速发展趋势 ：边缘人工智能研究尚新，发展极为迅速。随着该领域的壮大，更多研究人员和工程师投身其中，提高效率的新方法以及构建有效应用的最佳实践和技术不断涌现，使其成为极具吸引力的研究领域。

2. 边缘人工智能的常见用例

边缘人工智能在设备拥有大量传感器数据但计算或连接能力不足的场景中极具价值，这类场景在现实中随处可见。

2.1 现代城市与偏远地区的需求

• 城市中的优势 ：即便在现代城市，虽有高带宽网络连接和可靠电力，但限制设备通信和功耗仍有巨大优势。追求便携性、可靠性、隐私性和低成本等特性，会促使产品向减少连接和能源使用的方向发展。
• 偏远地区的需求 ：地球上约 50% 的陆地相对未受人类开发影响，只有小部分地区有蜂窝或无线覆盖，数十亿人无法可靠获取电力。此外，现代工业供应链中也存在难以提供嵌入式设备硬线直流电源的地方，高效的电池供电设备成为理想选择。

2.2 传感器的现状与挑战

<